Формы и методы подготовки аналитической информации презентация

Содержание

Цели и задачи дисциплины Целью изучения дисциплины «Формы и методы подготовки аналитической информации» является овладение знаниями и практическими навыками в области информационно-аналитического обеспечения безопасности бизнеса. А также получение систематизированных знаний о

Слайд 1ФОРМЫ И МЕТОДЫ ПОДГОТОВКИ АНАЛИТИЧЕСКОЙ ИНФОРМАЦИИ

Слайд 2Цели и задачи дисциплины
Целью изучения дисциплины «Формы и методы подготовки аналитической

информации» является овладение знаниями и практическими навыками в области информационно-аналитического обеспечения безопасности бизнеса. А также получение систематизированных знаний о теории и практике применения информационных технологий по сбору и обработке информационно-аналитической информации, обеспечивающей безопасность бизнеса. Задачами дисциплины является изучение основных требований к информационно-аналитической системе службы безопасности, положений, которые охватывают возможности применение новых информационных технологий, информационно-аналитическое обеспечение безопасности бизнеса.

Слайд 3В результате освоения дисциплины
Выпускник должен обладать:
ПК-23. способностью соблюдать в профессиональной деятельности

требования правовых актов в области защиты государственной тайны и информационной безопасности, обеспечивать соблюдение режима секретности
ПК-29. способностью анализировать показатели финансовой и хозяйственной деятельности государственных органов, организаций и учреждений различных форм собственности
ПК-31. способностью осуществлять сбор, анализ, систематизацию, оценку и интерпретацию данных, необходимых для решения профессиональных задач
ПК-34. способностью на основе статистических данных исследовать социально-экономические процессы в целях прогнозирования возможных угроз экономической безопасности
ПК-36. способностью анализировать и интерпретировать финансовую, бухгалтерскую и иную информацию, содержащуюся в учетно-отчетной документации, использовать полученные сведения для принятия решений по предупреждению, локализации и нейтрализации угроз экономической безопасности
ПК-38. способностью анализировать состояние и перспективы развития внешнеэкономических связей и их влияние на экономическую безопасность
ПК-52. способностью проводить специальные исследования в целях определения потенциальных и реальных угроз экономической безопасности организации.

Слайд 4В результате освоения дисциплины студент должен уметь
применять информационные, аналитические и коммуникативные

технологии для решения управленческих задач; применять базовые системы электронных государственных ресурсов в сети Интернет. Формировать отчетность о проделанной информационно-аналитической рабо-те, уметь использовать современные информационные технологии, включая информационно-аналитические системы, профессиональные базы данных и др.

В результате освоения дисциплины студент должен владеть
навыками подготовки и принятия управленческих решений с использованием информационно-коммуникативных технологий; работы со стандартными базами данных и программным обеспечением; проводить мониторинг информационной среды. Оценивать качество информации, методы формирования и анализа информации, достоинства и недостатки различных информационных технологий и систем.

Слайд 5Понятия, термины и определения

Слайд 6
– Значок «Nota Bene» («достойно внимания»). Значком выделяются фрагменты текста,

по мнению авторов, заслуживающие особого внимания. Это не означает, что все прочие фрагменты текста внимания не заслуживают.

Слайд 8Столь широкая палитра мнений и представлений научных сотрудников и практических работников

показывает, какое различное содержание может вкладываться в один и тот же термин. Часть этих определений относится не к сущности,
а к функциям «аналитики» и формам ее проявления.
Таким образом, под понятием «аналитика»
фигурирует целый ряд образований, которые следует различать и по-разному именовать.

ТОГДА «АНАЛИТИКА» объединяет три компонента.
Методы методология информационной и аналитической работы.
Организационное обеспечение этой работы.
Создание технологического и методологического обеспечения. Разработка и создание инструментальных средств – инструментариев.

Слайд 9Сущность аналитики (ещё раз)

Слайд 10Схема аналитического процесса

– Значок «Ценная мысль». По степени ценности сведения,

отмеченные этим значком котируются выше, нежели те, которые помечены значком «Nota Bene». Предполагается, что фрагмент текста, помеченный этим значком, имеет либо высокую практическую значимость, либо по уровню близок к научному обобщению.

Слайд 11Таким образом, аналитика – это, прежде всего, основа интеллектуальной, логической и

мыслительной деятельности, направленной на решение практических задач. В ее основе лежит не столько принцип констатации фактов, сколько принцип «опережения событий», что позволяет организации или индивиду прогнозировать будущее состояние объекта анализа.
Аналитика играет интегрирующую роль в реконструкции и представления прошлого, вскрытии настоящего и прогнозировании будущего.
Аналитика выступает в качестве способа организации познавательной деятельности, нацеленной на поиск и вскрытие тех закономерностей и движущих сил, которые на момент начала исследований неизвестны.
Риск обусловлен тем, что никакой изобретенный метод истины заведомо не гарантирует и является лишь еще одной ступенью на пути к познанию феномена. В этом отношении даже ошибочное решение, если оно получило правильную оценку – тоже предмет аналитического осмысления, поскольку потенциально способно вооружить новыми знаниями.

Слайд 12В науке есть два основных пути исследования сущностей, процессов и явлений.
Априорное

формулирование «гипотезы» путем построения теории (стройной цепи логических рассуждений).
Выявление структуры и закономерностей. Применяя при этом накопленный опыт, знания и умение.

Слайд 13
Содержательная сторона аналитики
Виды анализа – анализ как сфера аналитики

– Значок

«Definitio». Отмечает фрагменты текста, содержащие важные определения. Предполагает научную строгость и эмоциональную нейтральность формулировки вводимых понятий. Как правило, после определения в книге следуют довольно подробные пояснения и обоснования.

Слайд 14Главное – вычленить те стратегически важные компоненты аналитической деятельности, которые способствовали

успеху в различных отраслях человеческой деятельности и на основе теоретического обобщения предложить достаточно универсальные рекомендации для ее совершенствования.
Аналитические технологии. Принимаемые решения, основываются на информациях о предмете управления. Поэтому от качественных характеристик этой информации, таких как адекватность, полнота, достоверность, своевременность, непротиворечивость и т.п., зависит эффективность его работы. Поэтому «Информационные системы» должны предоставлять новые изделия и услуги, основанные на информации, которые обеспечат бизнесу конкурентное преимущество на рынке.
Аналитические технологии – это методики, которые на основе каких-либо моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров.

Слайд 15Например, теорема Пифагора, которая позволяет по длинам сторон (a и b)

прямоугольника определить длину его диагонали (С). Технология основана на известной формуле с2=а2+b2.

Слайд 16Некоторые комментарии
Другим примером аналитической технологии являются способы, с помощью которых обрабатывает

информацию человеческий мозг. Даже мозг ребенка может решать задачи, неподвластные современным компьютерам, такие как распознавание знакомых лиц в толпе или эффективное управление несколькими десятками мышц при игре в футбол. Уникальность мозга состоит в том, что он способен обучаться решению новых задач – игре в шахматы, вождению автомобиля и т.д. Тем не менее, мозг плохо приспособлен к обработке больших объемов числовой информации – человек не сможет найти даже квадратный корень из, большого числа в уме, не используя калькулятора или алгоритма вычисления в столбик. На практике же часто встречаются задачи о числах, гораздо более сложные, чем извлечение корня.

Слайд 17Таким образом, человеку для решения этих задач необходимы дополнительные методики и

инструменты.
Аналитические технологии нужны в первую очередь людям, принимающим важные решения – руководителям, аналитикам, экспертам, консультантам. Доход компании в большой степени определяется качеством этих решений – точностью прогнозов, оптимальностью выбранных стратегий.
Прогнозирование:
курсов валют;
цен на сырье;
спроса и предложений;
дохода компании;
уровня безработицы;
числа страховых случаев;
Оптимизация:
расписаний;
маршрутов;
плана закупок;
плана инвестиций;
стратегии развития.
Как правило, для реальных задач бизнеса и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью аналитических технологий строятся системы, позволяющие существенно повысить эффективность принятых решений.

Слайд 19*** Для справки
Численность учёных в мире
Конец 18-го века
Около 1 тыс. чел
10

тыс. чел

Средина 19 века

Начало 20 века

100 тыс. чел

Свыше 5 млн.чел

Начало 21 века

Современная наука включает в себя около 15 тыс. дисциплин. Более 90% всех научно-технических достижений человечества приходится на 20 век

Слайд 20Вот некоторые данные

Слайд 21Например, термин АРИФМЕТИКА
Арифметика – наука о числе («аритмос» и «арифмос» --

число)

Первое представление о числе возникло из счёта отдельных предметов (камни, деревья, люди и т. п.). Результат счёта: один, два, три, четыре и т. д. Эти числа теперь носят название «натуральных чисел» или «целых чисел». Их количество бесконечно.

Понятие «натуральные числа» нельзя определять как понятия «БОЛЕЕ ПРОСТЫЕ»

Слайд 22Почему это так?!
ЭВКЛИД (философ) «III век до н. э.» Определял «натуральное

число» как «множество» состоящее из единиц. (Так трактуют многие современные учебники)

Но термин (слово) «МНОЖЕСТВО» или «собрание» или «совокупность» и т. п. совсем не понятие «ЧИСЛО» .

Тогда, что же такое число?! Это неограниченно продолжающийся ряд «целых чисел» – 1, 2, 3, …и т. д. Такой ряд называется «натуральным рядом». Никому не приходило в голову использовать части целых единиц!!!

Слайд 23Но делить единицу на части становится необходимостью!
Например, необходимо найти длину диагонали

АС квадрата ABCD, сторона которого АВ=1 м (метр). Известно (ещё в глубокой древности), что площадь квадрата ACEF, построенного на диагонали, в точности равна удвоенной площади исходного квадрата, а именно АС2=2 , тогда величина АС – диагональ квадрата АBCD, должна удовлетворять в «точности». Между тем, никакое целое число и никое дробное число не могут удовлетворять уравнению АС2=2 в «точности».

Слайд 24Поэтому, если нельзя отказаться от геометрической точности измерения длин, то необходимо

допущение,

а именно, уравнение АС2=2 имеет точный корень,

Данное число может иметь только приближённое значение с любой степенью точности (доли единиц). Это и будет число, которое называется «ИРРАЦИОНАЛЬНЫМ».




Слайд 25Тогда «ИРРАЦИОНАЛЬНОЕ» число это совокупность (множество) некоторого количества целых положительных или

целых отрицательных единиц и такой части единицы, которая не может быть выражена точно целым числом (число может быть и нулём). Совершенно очевидно, что иррациональное число представить нельзя, но можно с любой степенью точности заменить рациональным числом Числа, являющие корнями алгебраических уравнений с целыми коэффициентами, называются алгебраическими числами.

На сегодняшний день, в практике используются: «иррациональные числа» «отрицательные числа», «комплексные числа».


Слайд 26«Отрицательные числа»
Часто встречаются случаи, когда действие «вычитание» не всегда возможно, нельзя

вычесть большее число из меньшего: 5 из 3, 200 из 100 и т. д. Долгое время в практике этого и не было нужно. Индусские математики (VII век до н. э.) нашли образы такого вычисления, используя операции при торговых расчётах. Если купец имел, например 500 денежных единиц , а закупал товара на 300, то у него оставалось 200 денежных единиц: 500-300=200. А если он имел 300, а закупал товара на 500, то купец оставался в долгу на 200 денежных единиц: 300-500=200 денежных единиц долга. В этом случае форма записи такой сделки выглядела так


с точкой на верху, означающее «200» денежных единиц долга. Такое толкование носило искусственный характер, так как купец никогда не находил сумму долга «вычитанием» 300-500, а всегда выполнял вычитание 500-300, кроме того, на этой основе можно лишь с натяжкой объяснить правило сложения и вычитание «чисел с точками на верху», но никогда нельзя было объяснить правило «умножение» или «деления».


Слайд 27«НЕВОЗМОЖНОСТЬ» вычитания большего числа из меньшего обуславливает тем, что натуральный ряд

чисел бесконечен толь в одну сторону. Но если последовательно вычитать число «1» , начиная, например из числа «7», то можно получить числа 6, 5, 4, 3, 2, 1, а далее вычитание даёт уже «отсутствие числа» и дальнейшее действие вычитание невозможно. Потому что, если необходимо сделать вычитание всегда возможным, то надо учитывать следующее: – «отсутствие числа» считать также «числом» - нуль; – от этого числа (нуль) считать возможным отнимать ещё одну единицу и т. д. Тогда возможно получать новые числа «с точками на верху». В настоящее время форма записи выглядит так: «-1», «-2», «-3»…и т. д. Эти числа называются целыми отрицательными числами. И стоящий в переде знак «-» носит название знака количества в отличии от знака вычитания знака действия. Введение целых отрицательных чисел ведёт за собой и использование дробных отрицательных чисел.

«Отрицательные числа» (продолжение)

Слайд 28КОМПЛЕСНЫЕ ЧИСЛА
Алгебраическое уравнение второй степени иначе называется «квадратным». Уравнение имеет общий

вид ax2+bX+c=0, a, b, c, – числа или буквенные выражения, содержащие известные величины (коэффициенты), причём коэффициент «a» не может быть равен нулю, иначе уравнение будет не квадратным (уравнение первой степени). При делении обе части уравнения на коэффициент «а» получается уравнение вида x2+px+g=0, где
Уравнение вида x2+px+g=0 называется приведённым, уравнение вида ax2+bx+c=0 – не приведённым.


Слайд 29КОМПЛЕСНЫЕ ЧИСЛА (продолжение)
Решение не приведённого уравнения ax2+bx+c=0
имеет вид

, если m – положительное число, то корень квадратный из этого числа может иметь два значения: одно положительное, другое – отрицательное (абсолютные значения этих чисел одинаковые). Например, x2 =9 , удовлетворяет значениям
X=+3 и х=-3, то есть х имеет два значения «+3» и «-3» и перед радикалом часто ставятся знаки «+» и «-»



Числа и могут быть иррациональными числами. Например, при решении уравнения вида .
Геометрически это означает: найти сторону квадрата равного по площади кругу с радиусом 1.
Его корень есть






Слайд 30КОМПЛЕСНЫЕ ЧИСЛА (напоминание)
Если m – отрицательное число, то уравнение x2=m (например,

x2=-9) не может иметь не положительного, ни отрицательного корня – уравнение не имеет решения оно не существует. В практике такие уравнения используются только для уравнений 3-й степени. Квадратные корни из отрицательного числа
называют «мнимыми числами». Сумма действительного и мнимого числа называется «комплексным числом». Например,







Слайд 31*** Напоминание по выборкам
Выборки и выборочные распределения
Целью статистических выводов

является вывод о некоторой совокупности, используя выборку из неё. Т. е. выборка основана на том, что необходимо предположить при использовании случайных величин

Если вся наблюдаемая (исследуемая) совокупность состоит из N- элементов, а для обследования берётся выборка из n-элементов, то каждая из

возможных выборок может быть изменена с равной вероятностью. Такая процедура называется взятием случайной выборки. На практике «получения случайных выборок» встречаются трудности, и при этом могут быть полезны таблицы случайных чисел.

Слайд 32*** Форма записи факториала. «Факториалом» в математике называют произведение всех натуральных

чисел, включая указанное число. Обозначается факториал восклицательным знаком после числа, например: 4! = 1*2*3*4 = 24

Факториал определён только для натуральных чисел и нуля. Факториал нуля и единицы это «1»: 0! = 1; 1! = 1. Термин «факториал» ввел в 1800 году французский математик Аргобаст Луи Франсуа Антуан. Обозначение n! придумал чуть позже немецкий математик Кристиан Крамп в 1808 году.

В общем виде формулу для нахождения факториала можно записать так: n! = 1*2*3*4*…(n — 2) · (n — 1) · n

Слайд 33 *** Выборочное среднее и выборочная дисперсия и будут

являться «статистиками». Эти величины соответственно и будут характеризовать положение центра и рассеивание выборки (т. е. дисперсию)

Часто дисперсию (раздробленность данных) называют «ошибкой» (что не всегда правильно)

Слайд 34*** Выборочные распределения
Часто оказывается возможным найти распределение вероятностей

данной статистики, если известно распределение для совокупности, из которой была взята выборка. Распределение вероятностей статистики называется выборочным распределением. Одним из наиболее важных выборочных распределений является нормальное распределение. Если y – нормальная случайная величина, то её плотность распределения вероятностей имеет вид



или

– функция плотности вероятности

где

– среднее значение и дисперсия


>0.

Слайд 35*** Кривая нормального распределения (кривая функции плотности вероятности)
Напоминание

μ – математическое ожидание (средняя величина); – средне-квадратичное отклонение (дисперсия – раздробленность)


Слайд 36*** Функция Лапласа (нормальное распределение называют Лапласовским распределением)

–

функция ошибок

Функцию Лапласа называют «функцией ошибок» с обозначением erf(x) (ограниченное применение).

Другой вид функции


Носит название «Нормированная функция Лапласа»

Слайд 37*** Наблюдения
В выборке при статистической оценке определяется любая

функция от множества результатов наблюдений, не содержащих неизвестных параметров. Например, y1, y2, y3, y3 … yn, представляют выборку некоторых наблюдений. Тогда выборочное среднее будет определено как (например, средняя арифметическая величина)


а выборочная дисперсия


или выборочное стандартное (среднеквадратичное) отклонение


***

***

Слайд 38Оба этих выражения связаны между собой следующими соотношениями

или

Для того

чтобы определить попадание некоторых случайных величин подчинённых закону случайного распределения на участок числовой оси от a до b – участок (a, b) используется функция ЛАПЛАСА в следующей интерпретации

***

Слайд 39
На практике часто используется сокращённое обозначение
т. е. переменная y распределена

по нормальному закону со средним μ и дисперсией

Нормальное распределение играет центральную роль в статистической теории.


Частным случаем нормального распределения является стандартизованное нормальное распределение, а именно при μ=0 и .


***

Слайд 40Тогда совершенно очевидно, что если выполняется условие,
то случайная переменная (или стандартизованное

нормальное распределение y)


подчиняется стандартизированному нормальному распределению, а именно

Напоминание. *Частным случаем нормального распределения является стандартизованное нормальное распределение, а именно при μ=0 и .


***

Слайд 41Стандартизованное нормальное распределение y
называется нормированным, а кумулятивная функция распределения

– «интегральной» (или просто функцией распределения).
(Таблица кумулятивной функции стандартизированного нормального распределения приведена в табл.2).

***

Слайд 42Таблица 2 Кумулятивная функция стандартизированного нормального распределения
***

Слайд 44Количественные и качественные данные
Данные понятия можно представить как оценку данных. Например,

заключения экспертов по оценке экономических показателей, или данные экспертизы криминалистических исследований и т. п.

Вот несколько ситуаций.
Вопрос.1. Ваше мнение о качестве выпускаемой продукции предприятием.
Ответы.
Отличная (очень хорошая);
Хорошая (в основном реализуется);
Удовлетворительная (реализации продукции неполная);
Плохая (в основном скапливается на складе предприятия);
Совершенно плохая (продукцию никто не покупает – всё на склад).
Вопрос.2. Оценка поручена.
Ответы.
Индивидуальному эксперту (ИЭ);
Комиссии (КМ).
Вопрос 3. Возраст экспертов.
Ответы.
От 25 до 35 лет – молодые специалисты (МС);
От 36 до 43 лет – опытные;
Смешанный: от 25 до «45 – опыт в сочетании с молодостью» (ОиМ);
Только зрелые опытные специалисты (ОС) – более 45 лет.

***

Слайд 45Количественные и качественные данные
Данные понятия можно представить как оценку данных. Например,

заключения экспертов по оценке экономических показателей, или данные экспертизы криминалистических исследований и т. п.

Вот несколько ситуаций.
Вопрос.1. Ваше мнение о качестве выпускаемой продукции предприятием.
Ответы.
Отличная (очень хорошая);
Хорошая (в основном реализуется);
Удовлетворительная (реализации продукции неполная);
Плохая (в основном скапливается на складе предприятия);
Совершенно плохая (продукцию никто не покупает – всё на склад).
Вопрос.2. Оценка поручена.
Ответы.
Индивидуальному эксперту (ИЭ);
Комиссии (КМ).
Вопрос 3. Возраст экспертов.
Ответы.
От 25 до 35 лет – молодые специалисты (МС);
От 36 до 43 лет – опытные;
Смешанный: от 25 до «45 – опыт в сочетании с молодостью» (ОиМ);
Только зрелые опытные специалисты (ОС) – более 45 лет.

Слайд 46Вопрос 4. Сколько образцов продукции необходимо для соответствующей экспертизы? Ответы. 1. Достаточно

2-х экземпляров; 2. Необходимо от 3-х до 6-ти экземпляров; 3. Необходимо от 3-х до 10 экземпляров; 4. Достаточно 1-го экземпляра. Результаты оценки приведены в табл.1. Здесь, совершенно очевидно, что результаты можно подразделить на две группы: «качественные» и «количественные». К качественным данным отнесены ответы на вопросы 1 и 2. К количественным – ответы на 3 и 4 вопросы.

***

Слайд 47Таблица 1

Так выглядят результаты оценки
***

Слайд 48Понятно, что вопрос 1 экспертам относится к качественным данным. Однако на

практике, например при оценке по бальной системе, такие данные часто рассматриваются как количественные. То есть, могут возникнуть случаи, когда это может выглядеть так. Ответы. Отличная («очень хорошая») – соответствует баллу «5»; Хорошая («в основном реализуется») – «4»; Удовлетворительная («реализации продукции неполная») – «3»; Плохая («в основном скапливается на складе предприятия») – «2»; Совершенно плохая («продукцию никто не покапает – всё на склад») – «1».










***

Слайд 49Или так Отличная («очень хорошая») – соответствует баллу «2»; Хорошая («в основном

реализуется») – 1»; Удовлетворительная («реализации продукции неполная») – «0»; Плохая («в основном скапливается на складе предприятия») – «-1»; Совершенно плохая («продукцию никто не покапает – всё на склад») – «-2».





***

Слайд 50Ясно, что существует теоретические и практические (реальные) представления о действительности. Поэтому,

одни и те же данные возможно рассматривать как количественные, так и качественные, всё зависит от ситуации, то есть где они используются. Вот пример, посмотрите на таблицу 2 и попытайтесь определить, к каким категориям данных относятся «графы»: 1.Характеристика денежной массы; 2. Денежная масса это; 3. Комфортная температура хранения денег (бумажных купюр), оС; 4. Оптимальная величина денег в «наминале», % от общего капитала

***

Слайд 51Таблица 2
Ответы.
«Характеристика денежной массы» и «денежная масса» это» – относятся

к качественным данным.

«Комфортная температура хранения денег, оС»; «Оптимальная величина денег в «наминале», % от общего капитала» – относятся к количественным данным.

***

Слайд 52Количественные данные Ряды распределения и гистограммы. Выбор варианта «Результатов экспертной оценки»,

табл.3. «Отклонение результата от его средней величины – μ».

Таблица 3
Отклонение результатов оценки от средней величины

Слайд 53Первое, что необходимо предпринять, это разбить все «отклонения» на группы по

«интервалам отклонений» и принадлежность оценочных данных по «экспертам». У каждого эксперта свой интервал «отклонений» и в каждом»результате» только один «отклонений». А именно, в каждом «результате» свой интервал отклонений. Каждый результат, у каждого «эксперта» только один результат с конкретной величиной «отклонений» – это и есть распределение по группам (табл.4).

Таблица 4
Распределение «интервалов отклонения» по группам

Слайд 54Результаты принадлежат «экспертам» в соответствии с «отклонениями» результатов оценки. И каждому

«эксперту» принадлежит разное количество «отклонений». Число «результатов» каждого «эксперта» называется «частотой».

Теперь можно определить, кому больше всего принадлежат «результаты». У 3-го эксперта (табл.4) больше всего «результатов» – «4». А относительная частота (ОЧ) принадлежность количества результатов у 3-го эксперта в относительных единицах (или в %) составит 0,33 (или 33,3%). Относительная частота равна доле распределения от всей рассматриваемой совокупности

Слайд 55
Относительная частота результатов по среднему значению результатов оценки величин 7,6…8,0 (

средняя величина 7,8%, эксперт 3) равна 0,333 или 33,3%.




или

Слайд 56В графической интерпретации это выглядит так (рис.1). По горизонтали (по оси

Х) отложены средние значения «интервала отклонений», по вертикали (по оси Y – распределение результатов по экспертам) – частота (гистограмма 1) или относительная частота (гистограмма 2). Ширина столбца равна величине «интервала отклонений» (средина интервала обозначена средней величиной «отклонений»).

Слайд 57Рис.1. Гистограмма распределения результатов

Слайд 58Средняя величина
Средние величины: средняя арифметическая, средняя геометрическая и средняя гармоническая величина.

Например, результат представления экспертных оценок 18 экспертов. Все эксперты распределены по трём предприятиям по 6 человек. Результаты оценки исследований представлены в табл. 5.

Таблица 5
Результат оценки

Слайд 59Средняя величина
Средние величины: средняя арифметическая, средняя геометрическая и средняя гармоническая величина.

Например, результат представления экспертных оценок 18 экспертов. Все эксперты распределены по трём предприятиям по 6 человек. Результаты оценки исследований представлены в табл. 5.

Таблица 5
Результат оценки

Слайд 60Средний арифметический результат это тот, который приходится на одного эксперта (человека)

предприятия, т. е. количество экспертиз, приходящихся на одно предприятие поделённое на число экспертов. Предприятие «А» Предприятие«Б» Предприятие «В»




Слайд 61Расчёт средних геометрической и гармонической величин производиться по следующим выражениям
Средняя

геометрическая величина


Средняя гармоническая величина


где

– величины переменных



Слайд 62Медиана
В тех случаях, когда имеются слишком большие или слишком малые значения

наблюдений необходимо определять не среднюю величину, а медиану. Медиана – значение, которое приходится на средину ряда, если разложить результаты в порядке возрастания или убывания. Например, результат представления экспертных оценок (см. табл. 5.)

Предприятие «А» – 53 54 74 86 90…111
Предприятие «Б» – 58 67 71 73 89…110
Предприятие «В» – 47 47 57 94 225

Слайд 63Медиана предприятия «А»: если значения середины ряда равны 74 86,

тогда средняя величина, т. е. медиана равна


Медиана предприятия «Б»: если значения середины ряда равны 71 73, тогда средняя величина, т. е. медиана равна


Медиана предприятия «В»: если значения середины ряда равны 57 77, тогда средняя величина, т. е. медиана равна


Слайд 64Медиана (продолжение)
Если ряд состоит из нечётного числа значений, то медианой будет

величина, находящаяся точно по середине:

47 47 57 94 225 – величина 57 – медиана

Если ряд состоит из чётного числа значений, то медианой будет среднее значение между 3-й и 4-й (вариант лаборатории «А») величинами:
54 64 74 79 86…111 – величина 74 79 – медиана, а именно


Слайд 65Стандартное отклонение
Если рассмотреть результаты оценки предприятий «А» и «Б» (табл.5), то

очевидно, что средние величины имеют одинаковые значения – «78» (рис.2).

Рис.2. Шкала результатов экспертных оценок предприятий «А» и «Б»: средние величины «А» и «Б» одинаковы – «78», но ситуации, представленные по шкале сильно отличаются

Слайд 66Следовательно, стандартное отклонение (СО) это показатель, характеризующий «отдельное отличие» от средней

величины. И становится очевидным, что величина отклонения не может быть меньше «нуля»

Стандартное отклонение (продолжение)

И стандартное отклонение возможно рассчитать по формуле



Слайд 67Стандартное отклонение результатов оценки предприятия «А»
Стандартное отклонение результатов оценки предприятия

«Б»

Стандартное отклонение результатов оценки предприятия «В»

Совершенно очевидно, что больший разброс результатов – отдельное отклонение от средней величины, будет на предприятии «А» против показателей предприятия «Б» (20,47 и 17,03).

Слайд 68Формулу для расчёта стандартного отклонения можно записать и в таком виде


где от общего количества рассматриваемых величин вычитается «1».

Первая формула




применяется при вычислении стандартного отклонения генеральной совокупности,

вторая формула

при определении стандартного отклонения выборочной совокупности

Слайд 69От сих 31 10 15

Слайд 70Генеральная совокупность – все рассматриваемые результаты (объекты, события и т. п.),

выборочная совокупность это группа результатов отобранных из генеральной совокупности. То есть, если имеется возможность получить данные о всех объектах совокупности (случай, результат, события и т. п.).

Например, как результаты представленные в табл. 5. В практике обычно такие данные собрать не представляется возможным (данные генеральной совокупности), поэтому почти всегда применяется вторая формула

Слайд 71Вероятность. Вычисление вероятности
При обработке результатов любого типа информации очень часто

применяется термин «вероятность» чего-либо. «Данная информация маловероятна» или «вероятна». Вероятность события меньше «0,05» (или «0,002,» «»0,08» …) Что необходимо знать, чтобы вычислить вероятность события, результатов оценки информации и т. д…? Например результат оценки экспертами экономического состояния предприятий металлургической промышленности. Удалось оценить 575 предприятий со средним «положительным» результатом (стабильного функционирования) – 53. При этом стандартное отклонение равно 10. Результат оценки в виде гистограммы будет выглядеть так, рис. 3.

Функция распределения плотности вероятности.

Слайд 72«Результаты оценки»
Рис. 3. Гистограмма «результатов оценки»

Слайд 73Если величина интервала на гистограмме стремится к нулю, то получается кривая

распределения, а функция описываемая этой кривой называется функцией распределения вероятностей (рис.4. и рис.5). Существует множество форм кривых распределения, например, такие формы кривых как на рис. 5 и рис. 6.

Слайд 74Виды гистограмм

Слайд 75Виды гистограмм (продолжение)

Слайд 76Виды гистограмм (продолжение)

Слайд 77 *** Напоминание Хи-квадрат распределение (

– распределение)



Если функция распределения вероятности выражается формулой


то говорят, что величина


имеет распределение Хи-квадрат


(- распределение с числом степеней свободы k). Например кривые распределения (рис. 15) для случаев, когда число степеней свободы равны 2, 10 и 20.

Слайд 78
*** Напоминание Хи-квадрат распределение (

– распределение) (продолжение)

Кривые – распределения

Рис. 15. Кривые распределения с числом степеней свободы k, 2 и 10

Слайд 79Кривые – распределения
Рис. 15. Кривые распределения

с числом степеней свободы k, 20

*** Напоминание Хи-квадрат распределение ( – распределение) (продолжение)

Слайд 80*** Кривые распределения
Рис. 16. Кривые

распределения со средней величиной k=1, 5, 15

Слайд 81 ***Степень свободы. Характеристика формы графика –

распределения

Поэтому, если изменить число степеней свободы форма графика тоже изменится. Степень свободы есть характеристика размера выборки. Чем больше выборка, тем больше степень свободы

Слайд 82Рис. 17. Значения вероятности

Значения вероятности
Значения вероятности
заштрихованной области Р


Слайд 83 *** Так же как существует таблица стандартного нормального распределения,

есть таблица и

Это таблица, в которой указываются значения

(см. ось x на графике, рис. 15 и 16, табл. 9) т. е. соответствует значению вероятности заштрихованной области Р (площадь и доля – рис. 17)

– распределения.

Слайд 84Это сходно с таблицей стандартного нормального распределения, табл. 8)

Таблица -

распределения – табл.9

Таблица 9


Если число степеней свободы равно «1», а величина «Р=0,05», то значение, находящееся на пересечении «1» и «0,05» (см. табл.9) будет равно «3,8415».

Слайд 85Таблица стандартного нормального распределения позволяет по значению координаты
(в пределах

заштрихованной области рис. 18) найти соответствующую вероятность. По вертикали (рис. 18) определяется соответствующая координата на оси

Рис. 18. Значения вероятности

с оценкой вероятности

Слайд 86От сих

Слайд 87*** Распределение Стьюдента. Распределение Фишера или F-распределение
Распределение Стьюдента. При оценке результатов

экспертных заключений так же используется и такая формула распределения вероятностей


где – число степеней свободы. Если плотность вероятностей выражена данной формулой, то это означает, что величина

имеет распределение Стьюдента с числом степеней свободы

(рис. 19).

Слайд 88Рис. 19. Распределение Стьюдента

Слайд 89*** Распределение Фишера.
Не менее часто, при обработке данных, используется и такая

формула распределения вероятностей



где – число степеней свободы величины

Если плотность вероятностей выражена этой формулой, то это означает, что величина

имеет распределение Стьюдента с числом степеней свободы

Слайд 90Рис. 20. Распределение Фишера

Слайд 91Пример случайной величины с – «хи-квадрат» распределением.

Если y1, y2, y3, ..yn – случайная выборка из распределения ,то




т.е. величина (отношение выборочной дисперсии к квадрату дисперсии отклонения) подчиняется распределению

– «хи-квадрат» с n-1 степенями свободы

Слайд 92Величина

в числителе выражения

называется скорректированная сумма квадратов или сумма квадратов отклонений

от среднего

Анализ уравнения


свидетельствует о том, что выборочную дисперсию возможно записать в виде


Слайд 93Если наблюдения в выборке являются
(распределённые по нормальному закону с

нулевым средним и единичной дисперсией, что обозначается аббревиатурой

то величина

рассматривается как

распределение

Таким образом, при условии, что исходная совокупность соответствует нормальному закону, распределение выборочной дисперсии

Слайд 94 отличается от распределения хи-квадрат –
лишь постоянным множителем
Таким

образом, при условии, что исходная совокупность соответствует нормальному закону, распределение выборочной дисперсии

Слайд 95Если

независимые случайные переменные со стандартизованным нормальным

и

то случайная величина
«хи-квадрат распределением

соответственно,



подчиняется

– распределению (распределению Стьюдента)

с k степенями свободы и обозначением tk

Слайд 96*** Плотность вероятности
имеет вид

причём среднее и дисперсия

соответственно


(здесь Г – гамма функция Эйлера*

(* Гамма функция – есть

.

Слайд 974. ПРОВЕРКА ГИПОТЕЗ
Гипотеза (от греческого hypothesis – основание, предположение, догадка)

– это утверждение о значениях параметров распределения вероятностей (гипотеза в общем случае – суждение, относящееся к распределению случайной величины). Например, если предположить, что средний выход продукта какого-либо производства составляет 94,5%. Такое утверждение можно представить в формализованном виде как


4. ПРОВЕРКА ГИПОТЕЗ



нулевая гипотеза

альтернативная гипотеза

Слайд 98Утверждение

называется нулевой гипотезой,
называется альтернативной гипотезой
Утверждение

4. ПРОВЕРКА

ГИПОТЕЗ

Поскольку


определяет значения

которые либо больше, либо меньше 94,5 т.е. отношение


есть двусторонняя альтернатива

Слайд 99Значение среднего

4. ПРОВЕРКА ГИПОТЕЗ

утверждение
задаваемого нулевой гипотезой

определяется одним из трёх способов:
среднее может

быть известно из результатов ранее проводившихся наблюдений;
среднее может быть известно из теории исследуемого процесса (по полученной модели);
среднее может быть известно из заданных условий

Слайд 100Проверка гипотезы состоит в следующем. Рассматривается случайная выборка наблюдений yi, по

которой находится значение некоторой «статистики», и принимается решение, отклонить или принять нулевую гипотезу –


4. ПРОВЕРКА ГИПОТЕЗ


Для этого необходимо знать распределение «статистики», используемой для проверки, в предположении
«истинности» нулевой гипотезы

а так же «множество знаний статистики», которые привели бы к отклонению гипотезы

Слайд 101Такое множество знаний статистики называется критической областью, или областью отклонения гипотезы
При

оценке гипотез встречаются погрешности («ошибки») двух родов:

если нулевая гипотеза отклоняется, когда она истина, то совершается погрешность («ошибка») 1-го рода;

если нулевая гипотеза не отклоняется, когда она ложна, то совершается погрешность («ошибка») 2-го рода;


4. ПРОВЕРКА ГИПОТЕЗ

Слайд 102Вероятностям этих погрешностей («ошибкам») присвоены специальные обозначения:

4. ПРОВЕРКА ГИПОТЕЗ
Если обозначить

α=P – т. е. допустить («ошибку») погрешность 1-го рода, т. е. отклонить, гипотезу , когда она – истина;

Если обозначить β=P – т. е. допустить («ошибку») погрешность 2-го рода, т. е. не отклонить, гипотезу , когда она – ложна;

Кроме того, часто применяется такое понятие, как «мощность критерия», которое определяется как: МОЩНОСТЬ = 1 – β = P (или 1-α) отклонить, когда гипотеза ложна

Слайд 103При проверке гипотез в общем случае задаётся величина α-вероятность – погрешность

(«ошибка») 1-го рода, которая называется «УРОВНЕМ ЗНАЧИМОСТИ» критерия и выбирается (задаётся) процедура проверки, обеспечивающую малую (приемлемую) величину («ошибки») погрешности 2-го рода, т. е. β-вероятность


4. ПРОВЕРКА ГИПОТЕЗ

Слайд 104Проверка гипотез относительно средних
Вот несколько часто встречающихся задач на проверку

гипотез.
Сравнение средних при известной дисперсии.
Сравнение средних при неизвестной дисперсии.
Сравнение дисперсий


4. ПРОВЕРКА ГИПОТЕЗ

Слайд 105В начале, когда yi есть нормальная случайная переменная с неизвестным средним

μ, и известной дисперсией σ2. Необходимо проверить гипотезы: при α =0,05

Случай 1



где – заданная средняя величина


4. ПРОВЕРКА ГИПОТЕЗ

Слайд 106Для проверки нулевой гипотезы
необходимо на основе выборки из n-наблюдений

yi найти численное значение относительной (процентной) точки «статистики»



лежащей в основе критерия оценки.

Нулевая гипотеза


отклоняется, если




где верхняя относительная (процентная) точка стандартизованного нормального распределения


4. ПРОВЕРКА ГИПОТЕЗ

Слайд 107Такая процедура проверки обоснуется следующим образом:

***4. ПРОВЕРКА ГИПОТЕЗ
1. В соответствие с

«центральной предельной теоремой» выборочное среднее есть

Поэтому, если Ho - «истина» , то величина Zo из соотношения

подчиняется закону

и можно ожидать, что (1–α) – доверительная вероятность или 100*(1–α) – доверительных процентов значений Zo попадут в интервал между

;

Слайд 108
***4. ПРОВЕРКА ГИПОТЕЗ
2. Появление выборки, для которой Zo лежит вне этого

интервала, т. е. интервала ( ), было бы условием истинности нулевой гипотезы Ho : μ=μο , чем-то необычным и дало бы основания для отклонения нулевой гипотезы Ho .

Необходимо отметить, что α=P – допустить «ошибку» (погрешность) 1-го рода здесь используется как критерий оценки

;

Слайд 109
***4. ПРОВЕРКА ГИПОТЕЗ
При решении ряда задач может оказаться желательным отклонять нулевую

гипотезу Ho , только при условии, что истинное значение среднего μ превосходит μο, т. е. может быть принята гипотеза H1:

В этом случае формулируется односторонняя альтернатива, т. е.

Тогда нулевая гипотеза Ho : μ=μο отклоняется при доверительных процентах (или (1–α) – доверительной вероятности) Zo>Zα

.

H1: μ > μ ο

H1: μ > μ ο

Слайд 110***Если же необходимо отклонить нулевую гипотезу Ho : μ=μο
только при

μ < μ ο , то в качестве альтернативной гипотезы принимается H1 : μ>μο , а нулевая гипотеза Ho : μ=μο отклоняется, если выполняется соотношение «доверительных процентов» значений Zo<-Zα

.


***4. ПРОВЕРКА ГИПОТЕЗ

Слайд 111Процедура проверки рассмотренных гипотез приведена в табл. 19.
Таблица 19
Проверка гипотез

относительно средних при известной дисперсии





***4. ПРОВЕРКА ГИПОТЕЗ

Слайд 112Окончание табл. 19

***4. ПРОВЕРКА ГИПОТЕЗ

Слайд 113Пример 1. Оценка гипотез на основе стандартизованного нормального распределения
Предприятие, которое реализует

волокно, интересует, превосходит ли средняя цена 1м2 за партию в 200 $. Известно: цена 1м2 волокна составляет 200 $; стандартное отклонение от цены составляет 10 $ за 1м2 . Выборка цены волокна составила 4; выборочное среднее цены равно 214$ за 1м2.
Необходимо проверить гипотезу при α=0,05


***4. ПРОВЕРКА ГИПОТЕЗ***



Слайд 114Решение 1. Числовое значение («информации») статистики, используемое для проверки нулевой гипотезы

равно


***4. ПРОВЕРКА ГИПОТЕЗ***




Если по условию задаётся величина погрешности (вероятности) 1-го рода – «ошибка 1-го рода» при α=0,05


то в соответствии с табл. 2, (кумулятивная функция стандартизированного нормального распределения)


Слайд 115Т. е. числовое значение статистики (табл. 2), которое можно представить как



***4.

ПРОВЕРКА ГИПОТЕЗ***

Десятые и сотые доли величины Z необходимо представить так, чтобы по горизонтали (табл. 2) Z= 0,000, а по вертикали: Z= 2,800.
На пересечении горизонтальных и вертикальных значений величины Z в соответствующей ячейки стоит число 0,99744.

Это и будет площадь заштрихованного участка под кривой в относительных единицах за минусом 0,5 – соответствующей площади под кривой. С величинами средней μ (все заданные средние значения по условию задачи, положительные величины)

.

Слайд 116Таким образом, площадь под кривой стандартного нормального распределения (см. рис.29) будет

равна

.


***4. ПРОВЕРКА ГИПОТЕЗ***


Рис. 29. Гистограмма с оценкой площади (0,49744)

Это и будет площадь заштрихованного участка под кривой в относительных единицах за минусом 0,5 с величинами средней μ (все заданные средние значения по условию задачи, положительные величины)

0,5 – половина площади под кривой (все величины средних – положительные)

Слайд 1172. Таким образом, нулевая гипотеза
так как представленный критерий отклонения оценки

гипотезы,



удовлетворяет условию отклонения статистики (см. табл.19):

И вывод заключается в том, что средняя цена по партии превосходит 200 $ за 1 м2 волокна (см. табл. Exl)


«отклоняется»,

.



***4. ПРОВЕРКА ГИПОТЕЗ***


***4. ПРОВЕРКА ГИПОТЕЗ***

Слайд 118Пример 2
Оценка гипотез на основе стандартизованного нормального распределения
Предприятие, которое

реализует волокно, интересует, превосходит ли средняя цена 1м2 за партию в 204 $. Известно: цена 1м2 волокна составляет 197 $;
cтандартное отклонение от цены составляет 25 $ за 1м2 . Выборка цены волокна составила 4; выборочное среднее цены равно 204 $ за 1м2. Необходимо проверить гипотезу
при

.


***4. ПРОВЕРКА ГИПОТЕЗ***

Слайд 119Решение (пример 2)
1. Числовое значение статистики Zo , используемое для

проверки нулевой гипотезы равно



***4. ПРОВЕРКА ГИПОТЕЗ***


Если по условию задаётся величина («ошибки») погрешности (вероятности) 1-го рода – , то в соответствии с табл. 2, числовое значение Zo равно 0,21226***


***На пересечении горизонтальных и вертикальных значений (Z= 0,060 – по горизонтали; Z= 0,5 – по вертикали) стоит число 0,71226





Слайд 120Комментарии
Числовое значение статистики (см. табл.2) можно представить как Z0 =0,5+0,06=0,560.
Тогда

Zα=0,05=0,21226 (см рис. 30)

.


***4. ПРОВЕРКА ГИПОТЕЗ***



Это и будет площадь заштрихованного участка под кривой (см. рис.30) в относительных единицах за минусом 0,5 – соответствующей площади под кривой с отрицательными величинами средней μ (все заданные средние значения по условию задачи, положительные величины). Таким образом, площадь под кривой стандартного нормального распределения (см. рис. 30) будет равна 0,21266

Слайд 121Рис.30. Гистограмма с оценкой площади Zα=0,05=0,21226

***4. ПРОВЕРКА ГИПОТЕЗ***

Слайд 1222. Таким образом, альтернативная гипотеза

***4. ПРОВЕРКА ГИПОТЕЗ***
так как представленный «критерий

отклонения» оценки гипотезы



не удовлетворяет условию отклонения статистики (см. табл.19):

«не отклоняется»,



И вывод заключается в том, что средняя цена по партии волокна не будет превосходить 197 $ за 1 м2.

Слайд 124Если дисперсия распределения совокупности неизвестна, то приходится делать «дополнительные предложения о

нормальности распределения». При этом имеется ввиду то, что небольшие отклонения от «нормальности» не приводят к существенному (значимому) искажению результата.


***4. ПРОВЕРКА ГИПОТЕЗ(продолжение)***

При проверке гипотез


в случае неизвестной дисперсии для оценки σ2 используется выборочная дисперсия S2

.


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 125Широта (диапазон) распределения вероятностей или рассеивание случайной величины может характеризоваться дисперсией

(раздробленностью), которая определяется как


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 126Величина
называется скорректированная сумма квадратов или сумма квадратов отклонений от среднего


***Анализ уравнения


свидетельствует о том, что выборочную дисперсию возможно записать в виде


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Т. е. используется выборочная дисперсия

Слайд 127используется выборочная дисперсия
Заменяя в выражении относительной (процентной) точки статистики

«дисперсию»

на «выборочную дисперсию» ,

получается статистика для проверки гипотезы

.


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 128Тогда, нулевая гипотеза

отклоняется, если выполняются условия

где

– верхняя – относительная (процентная) точка t-распределения
с степенями свободы



Условия проверки рассмотренных гипотез приведены в табл. 20.

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 129Проверка гипотез относительно средних нормально распределённых совокупностей при неизвестной дисперсии Таблица

20









***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 130Проверка гипотез относительно средних нормально распределённых совокупностей при неизвестной дисперсии Таблица

20 (продолжение)


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение)***







где




Слайд 131Проверка гипотез относительно средних нормально распределённых совокупностей при неизвестной дисперсии Таблица

20 (продолжение)


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение)***













Слайд 132Например, есть две совокупности, распределённые нормально с неизвестными средними μ1 μ2


и неизвестными дисперсиями


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение)***

В этом случае процедура проверки гипотез


для таких совокупностей будет зависеть от выполнения условия (равенства или неравенства дисперсий)


Слайд 133Случай 1, когда выполнено условие

Для проверки нулевой гипотезы
необходимо

взять два случайных информационных объёма n1 и n2 из первого и второго соответственно.




***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 134
Затем произвести расчёт дисперсии

и числовое значение статистики

при числе степеней

свободы t-распределения


где – критерии оценки выборочной дисперсии


***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 135Нулевая гипотеза

из совокупности

«отклоняется», если будет выполнено условие по «критерию

отклонения»


(см. табл.20)

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 136Если нет оснований предполагать, что дисперсии одинаковы, т. е.

, то в этом случае статистика для проверки гипотезы рассчитывается по формуле (см. табл. 20):


при числе степеней свободы t-распределения


Такую процедуру проверки называют объединённым t-критерием, так как оба объёма информации объединены для получения оценки общей дисперсии

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Слайд 137Другой случай. Пусть y1 и y2 есть две нормальные случайная переменная

с неизвестными средними μ1 и μ2, отличающиеся друг от друга на постоянную величину γ и известными дисперсиями σ12 и σ22

Необходимо проверить гипотезу, которая в формализованной интерпретации имеет вид

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)


Слайд 138В этом случае для проверки гипотезы
***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по

t-критерию)

определяется случайная выборка из n1-наблюдений из первой совокупности и n2-наблюдений из второй совокупности, после чего находится относительное (процентное) численное значение «статистики»


Слайд 139Причём σi2 равна
***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Гипотеза

отклоняется», если выполняется

условие

.

Слайд 140При одной односторонней «альтернативе»

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)
нулевая гипотеза



отклоняется, если

.

При другой односторонней «альтернативе»


нулевая гипотеза

отклоняется, если


Слайд 141Процедура проверки рассмотренных гипотез приведена в табл. 19 (окончание)






***4. ПРОВЕРКА ГИПОТЕЗ

(продолжение по t-критерию)

Слайд 142Случай 1 при t-критерии, когда выполнено условие
Затем производится расчёт дисперсии


и числовое значение статистики


Для проверки нулевой гипотезы

необходимо взять два случайных информационных объёма n1 и n2 из первого и второго соответственно.

***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

при числе степеней свободы t-распределения

Слайд 143***4. ПРОВЕРКА ГИПОТЕЗ (продолжение по t-критерию)

Затем производится расчёт дисперсии


и числовое значение статистики

при числе степеней свободы t-распределения

где S12 S22 - критерии оценки выборочной дисперсии

Слайд 144Пример. Оценка равенства гипотезы дисперсии совокупности, распределённой нормально
*** Оценка равенства гипотезы

дисперсии совокупности, распределённой нормально

В отличие от процедур сравнения средних процедура сравнения дисперсии чувствительны к допущению о нормальности

.

Удалось получить две информации о стоимости
товара конкурентов. Одна информация
по 8 источникам, другая - по 4. В формализованном
виде это можно представить так: n1=8 и n2=4 (см. табл. Исходных данных)


Слайд 145*** Оценка равенства гипотезы дисперсии совокупности, распределённой нормально
табл. @@@. Исходные

данные)


Слайд 146См. расчётную таблицу

Похожие презентации

Связь между координатами вектора и координатами его начала и конца 314
Парный регрессионный анализ 305
dni nedeli 209
Введение понятия целого и дробного выражения 200
Матрицы. Действия над матрицами 539
Дисперсия. Стандартное отклонение. Стандартная ошибка среднего. Доверительный интервал 727

Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.

Для правообладателей

Яндекс.Метрика